Ultralytics YOLO27：

使用 Ultralytics YOLO26 进行距离计算#

什么是距离计算？#

距离计算是测量图像或视频帧中两个检测对象之间空间距离的过程。对于 Ultralytics YOLO26，系统使用边界框的质心，计算用户突出显示的边界框之间的距离。



Watch: How to estimate distance between detected objects with Ultralytics YOLO in Pixels 🚀

可视化效果#

使用 Ultralytics YOLO26 进行距离计算
Ultralytics YOLO26 距离计算

距离计算的优势#

  • 定位精度： 提升计算机视觉任务中的空间定位准确性。
  • 尺寸估计： 可以估计对象尺寸，从而更好地理解上下文。
  • 场景理解： 改善对 3D 场景的理解，从而在自动驾驶车辆和监控系统等应用中实现更好的决策。
  • 碰撞规避： 通过监测移动对象之间的距离，使系统能够检测潜在碰撞。
  • 空间分析： 便于分析受监控环境中对象之间的关系和交互。
距离计算
  • 使用鼠标左键点击任意两个边界框即可计算距离。
  • 使用鼠标右键删除所有绘制的点。
距离为估算值

距离是一个估计值，由于它是使用缺乏深度信息的二维数据计算得出的，因此可能不够准确。

使用 YOLO26 计算距离#

DistanceCalculation 解决方案会跨帧跟踪对象，并测量你使用鼠标选择的任意两个边界框质心之间的欧几里得距离（以像素为单位）。运行下面的示例，然后单击两个对象以绘制连接线并读取距离；单击鼠标右键可清除选择。

使用 Ultralytics YOLO 进行距离计算
import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("distance_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize distance calculation object
distancecalculator = solutions.DistanceCalculation(
    model="yolo26n.pt",  # path to the YOLO26 model file.
    show=True,  # display the output
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = distancecalculator(im0)

    print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

DistanceCalculation() 参数#

下面是 DistanceCalculation 参数表：

参数类型默认值描述
modelstrNoneUltralytics YOLO 模型文件的路径。
line_widthint2解决方案绘制的框、关键点和计数的线条粗细。
verboseboolTrue启用解决方案逐帧记录输入形状、类别计数和处理速度的日志。跟踪调用本身始终保持静默。

你还可以在 DistanceCalculation 解决方案中使用各种 track 参数。

参数类型默认值描述
trackerstr'botsort.yaml'指定要使用的跟踪算法。内置选项：botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。
conffloat0.25设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。
ioufloat0.7设置用于过滤重叠检测结果的交并比（IoU）阈值。
classeslistNone按类别索引过滤结果。例如，classes=[0, 2, 3] 仅跟踪指定类别。
devicestrNone指定推理设备（例如 cpu、cuda:0 或 0）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。
imgszint or tuple640目标推理图像大小：用于正方形的整数或 (height, width) 对。形状会根据模型步长进行调整。
max_detint300在跟踪前每帧保留的最大检测数，用于限制解决方案在密集场景中处理的对象数量。
quantizeint or strNone推理精度：针对 PyTorch 和 TorchScript 模型，使用 16 (FP16) 或 32/不设置 (FP32)；其他格式则在其工件和运行时选择的精度下进行计算。它替代了已弃用的 half 标志。

此外，还提供以下可视化参数：

参数类型默认值描述
showboolFalse如果为 True，则会在窗口中显示带标注的图像或视频。适用于开发或测试期间获取即时视觉反馈。
show_confboolTrue在每个检测结果旁显示其置信度分数，让你了解模型对每个检测结果的确定程度。
show_labelsboolTrue在可视化输出中显示每个检测结果的标签，帮助你立即了解检测到的对象。

实现细节#

DistanceCalculation 类通过跨视频帧跟踪对象并计算所选边界框质心之间的欧几里得距离来工作。当你点击两个对象时，该解决方案会：

  1. 提取所选边界框的质心（中心点）
  2. 计算这些质心之间的欧几里得距离（以像素为单位）
  3. 在帧上显示距离，并在对象之间绘制连接线

该实现使用 mouse_event_for_distance 方法处理鼠标交互，使用户可以根据需要选择对象和清除选择。process 方法负责逐帧处理、跟踪对象和计算距离。

应用#

使用 YOLO26 进行距离计算有许多实际应用：

  • 零售分析： 测量顾客与商品之间的距离，并分析店铺布局的有效性
  • 工业安全： 监控工人与机器之间的安全距离
  • 交通管理： 分析车辆间距并检测跟车过近行为
  • 体育分析： 计算运动员、球和场地关键位置之间的距离
  • 医疗保健： 确保等候区中的适当间距，并监控患者移动
  • 机器人技术： 使机器人与障碍物和人员保持适当距离

常见问题#

  • 要使用 Ultralytics YOLO26 计算对象之间的距离，你需要确定检测对象的边界框质心。此过程包括从 Ultralytics 的 solutions 模块初始化 DistanceCalculation 类，并使用模型的跟踪输出计算距离。

  • 使用 Ultralytics YOLO26 进行距离计算具有以下优势：

    • 定位精度： 为对象提供准确的空间定位。
    • 尺寸估计： 帮助估计实际尺寸，从而更好地理解上下文。
    • 场景理解： 增强对 3D 场景的理解，有助于改善自动驾驶和监控等应用中的决策。
    • 实时处理： 即时执行计算，适用于实时视频分析。
    • 集成能力： 可与其他 YOLO26 解决方案无缝协作，例如对象跟踪和速度估计。

  • 可以，你可以使用 Ultralytics YOLO26 在实时视频流中进行距离计算。此过程包括使用 OpenCV 捕获视频帧、运行 YOLO26对象检测，以及使用 DistanceCalculation 类计算连续帧中对象之间的距离。有关详细实现，请参阅视频流示例。

  • 要删除使用 Ultralytics YOLO26 进行距离计算时绘制的点，你可以单击鼠标右键。此操作会清除你绘制的所有点。有关更多详细信息，请参阅距离计算示例下的注释部分。

  • 在 Ultralytics YOLO26 中初始化 DistanceCalculation 类时，关键参数包括：

    • model：YOLO26 模型文件的路径。
    • tracker：要使用的跟踪算法（解决方案默认为 botsort.yaml）。
    • conf：检测的置信度阈值。
    • show：用于显示输出的标志。

    如需完整列表和默认值，请参阅DistanceCalculation 的参数。

贡献者
GLglenn-jocher15RIRizwanMunawar15RAraimbekovm4MAMatthewNoyce2SUSunny110920031PDpderrenger1JKjk4e1IVIvorZhu3311AYAyushExel1

评论